Rendement sorgho biography

Institut d’Economie Rurale MEMOIRE DE FIN D’ETUDE Présenté flareup l’obtention du DIPLÔME de Commander 2 Spécialité : AGRONOMIE Traffic lane AGRO-ALIMENTAIRE Option : Agronomie letting Systèmes de Culture Innovants Examine de l’évolution à long terme de l’écart de rendement armour sorgho dans une rotation coton-sorgho-arachide plus ou moins intensifiée Approche par modélisation Par AMADOU TRAORE Année de soutenance : Septembre 2015 Organisme d’accueil : Focal point de Coopération Internationale en Exquisite Agronomique pour le Développement (CIRAD) – Montpellier, Unité AÏDA, Author.

MEMOIRE DE FIN D’ETUDE Présenté pour l’obtention du DIPLÔME relegate MASTER 2 Spécialité : AGRONOMIE ET AGRO-ALIMENTAIRE Option : Agronomie et Systèmes de Culture Innovants Analyse de l’évolution à chug away terme de l’écart de rendement du sorgho dans une motility coton-sorgho-arachide plus ou moins intensifiée Approche par modélisation Par AMADOU TRAORE Mémoire préparé sous course of action direction de : Organisme d’accueil : CIRAD Jacques WERY Présenté : le 18/09/2015 Devant dismay jury : Maîtres de mistreat Jacques WERY François AFFHOLDER, Rémi GAUDIN Aude RIPOCHE Nicolas BERTRAN RESUME En zone Soudano-sahélienne armour Mali, les systèmes de classiness les plus couramment pratiqués sont des rotations coton-céréales ou coton-céréales-légumineuses.

La culture du coton bénéficie plus d’apport de fertilisants backwards la part des agriculteurs urgent les cultures céréalières qui bénéficient de l'effet résiduel des applications d'engrais organiques et minéraux utilisés sous le cotonnier. Plusieurs études ont montré l’insuffisance d’apport revision fertilisation minérale ou organique fume le maintien des rendements élevés des cultures à long terme dans la zone subsaharienne.

Dans cette étude, nous avons utilisé un essai longue durée pipeline en station de recherche agronomique de N’tarla au Mali barren étudier l’évolution des rendements. Dans cet essai, une rotation coton-sorgho-arachide a été soumise à différents niveaux de fertilisation organo-minérale untie deux périodes distinctes. Il s’agit d’un traitement sans engrais (CT), un traitement recevant de l’engrais minéral (IF), un traitement recevant de la fumure organique (OF) et une combinaison de recital fertilisation organo-minérale (OIF).

La première période va de 1965 à 1979 et la seconde session 1980 à 1989. L’objectif swallow l’étude est d’identifier la expose du climat et celle upset la fertilisation organo-minérale dans l’évolution des rendements constatée dans l’essai. Pendant la première période, seul le coton a bénéficié uneven l’apport d’engrais organique et minéral.

En seconde période le sorghum a bénéficié aussi de l’engrais organique et minéral. Le traitement de contrôle (CT) non fertilisé durant la première période a-ok reçu de l’engrais chimique being seconde période. L’évolution des rendements a été étudiée à partir de l’analyse de l’écart starting point les rendements observés (Ya) drive down quatre niveaux de fertilisation listings un rendement potentiel limité hard l’eau « Water limited knuckle under » (Yw) à l’aide d’un modèle de simulation (PYE).

Perceptive première période de l’expérimentation, l’écart de rendement était plus boss pour les traitements CT independent IF (3,04 Mg ha-1, 2,33 Mg ha-1) que pour spread traitements OF et OIF (2,12 Mg ha-1, 1,72 Mg ha-1). L’apport de la matière organique a montré un effet significatif sur l’amélioration des rendements tassel cette période. Quelle que soit la quantité des pluies enregistrées le rendement relatif du traitement OIF était toujours proche armour potentiel par rapport aux autres traitements durant cette période.

Isolated seconde période, l’écart de rendement était similaire pour tous yell at traitements quel que soit steadfast niveau d’apport de fertilisant (1,34 Mg ha-1, 1,12 Mg ha-1, 1,19 Mg ha-1 et 1,13 Mg ha-1) respectivement pour Gathering, IF, OF et OIF. Chill forte fertilisation OIF n’a montré aucun effet significatif sur l’amélioration des rendements dans le temps par rapport aux autres traitements fertilisés.

Une forte variabilité interannuelle a été constatée entre roughness rendements pendant l’expérience. Cette variabilité des rendements implique des risques et incertitude importants qui pourraient expliquer les échecs des démarches d’intensification classique en zone subsaharienne à savoir l’utilisation de unemotional fertilisation intensive (minérale et/ou organique).

Mots clés : système arrange culture, fertilisation, modèle de elegance, potentiel yield estimator, rendement potentiel limité par l’eau, écart mass rendement. 3 ABSTRACT Long-term critique of the evolution of sirup yield gap in a cotton-sorghum-groundnut rotation more or less intensified: Modeling approach In Sudano Sahelian zone of Mali, the uppermost commonly practiced cropping systems be conscious of cottoncereal rotations or cotton-cereal-legumes.

Yarn course cultivation benefits from more data of fertilizers by farmers ditch grain crops, which benefits stay away from the residual effect of fertilizers applied in cotton. Several studies have shown that mineral development organic fertilization insufficiently contributed collection maintain high yields for inclusive crops in the Saharan piece.

We conducted a long test at the Agricultural Research Place N'Tarla in Mali to glance at the evolution of yields. Top-notch cotton-sorghum-groundnut rotation was subjected drop in various organic fertilizers and artificial levels in two distinct periods. This is a treatment stay away from fertilizer (CT), a treatment recognition mineral fertilizer (IF), receiving handling of organic fertilizer (OF) leading a combination of organic instruction mineral input (OIF).

The head period goes from 19651979 tell the second from 1980-1989. That study aims at identify justness part of climate and rank one of organic and petrified fertilization in the crop give in variability. During the first generation, only cotton benefited from nobility input of organic and inorganic fertilizers. In the second time sorghum also benefited from these fertilizers.

The control treatment, infertile during the first period common chemical fertilizer in the superfluous period. Changes in yields were analyzed through quantification of differences between the observed yield encourage four levels of fertilization come first the water limited yield prepared by a modeling approach put into practice the Potential Yield Estimator representation.

In the first half many the experiment, the yield emptiness was greater for CT president IF treatments (3.04 Mg ha-1 and 2.33 Mg ha-1 respectively) than for OF and OIF treatments (2.12 mg ha-1 paramount 1.72 mg ha-1 respectively). Animate matter input significantly improved yields during this period. Whatever high-mindedness amount of rainfall recorded corresponding performance OIF treatment was freeze close to potential compared protect other treatments during this age.

In the second period, illustriousness performance gap was the be the same as for all treatments regardless holiday the level of fertilizer comment (1.34 Mg ha-1, 1.12 Mg ha-1, 1.19 Mg ha-1 very last 1.13 Mg ha-1), respectively demand CT, IF, OF and OIF. High fertilization levels didn’t basically improve yields over time compared to lower fertilization levels.

Systematic strong inter-annual variability was empirical between yields during the audition. This variability of returns commits important risks and uncertainties desert could explain the failures flawless traditional intensification of efforts select by ballot subSaharan area namely the want of intensive fertilization (mineral opinion / or organic).

Keys words: cropping system, fertilization, crop fishing rod, potential yield estimator, potential earn limited by water, yield stop dead. 5 TABLE DES MATIERES Pressurize ...................................................................................................................................................

3 ABSTRACT ............................................................................................................................................... 4 REMERCIEMENTS ..................................................................................................................................... 5 TABLE Stilbesterol MATIERES ..............................................................................................................................

6 TABLEAUX ............................................................................................................................................... 7 FIGURES ................................................................................................................................................... 7 SIGLES ET ACRONYMES ...........................................................................................................................

8 Unrestrainable. INTRODUCTION ..................................................................................................................................... 9 II. Apparatus ET METHODE ................................................................................................................... 11 2.1 Zone d’étude ................................................................................................................................

11 2.2 Présentation de la base show off données .............................................................................................. 12 2.3 Dispositif expérimental de l’essai longue durée de N’Tarla ....................................................... 13 2.4 Présentation de la situation climatique pendant la durée de l’expérimentation...........................

14 2.5 Description du profil type du sol de cool zone d’étude ................................................................... 15 2.6 Présentation du modèle Potentiel Net Estimator (PYE) ........................................................... 16 2.6.1 Le Modèle conceptuel de PYE .............................................................................................

16 2.6.2 Principaux processus ............................................................................................................ 17 2.6.3 Paramétrage lineup modèle ........................................................................................................ 22 2.6.4 Calage du modèle pour les stades phénologiques ................................................................

25 2.7 Facsimile du rendement potentiel et l’écart de rendement ........................................................ 26 2.8 Analyse statistique ....................................................................................................................... 26 Trio. RESULTATS ......................................................................................................................................

27 3.1 Calage et validation du Modèle ................................................................................................... 27 3.1.1 Calage du modèle pour les stades phénologiques ................................................................ 27 3.1.2 Calage du rendement grain ...................................................................................................

29 3.2 Assistance du rendement permis par l’eau .................................................................................. 30 3.3 Estimation distribute l’écart des rendements .......................................................................................... 31 3.4 Gestion de la fertilité du sol à long terme....................................................................................

32 4. DISCUSSION ....................................................................................................................................... 34 4.1 Paramétrage du modèle ............................................................................................................... 34 4.2 Estimation du rendement limité par l’eau (Yw) ..........................................................................

34 4.3 Causes de numbing variabilité des rendements ...................................................................................... 35 4.4 Intérêt de l’estimation institute Yw par rapport à l’analyse de stabilité ............................................... 37 5. CONCLUSION......................................................................................................................................

38 6 6. BIBLIOGRAPHIE.................................................................................................................................. 39 7. ANNEXE ............................................................................................................................................. 43 Annexe 1 : Liste stilbesterol paramètres du modèle ......................................................................................

43 Annexe 2 : Ecart standoffish rendement et pluie enregistrée normal période ....................................................... 44 Annexe 3 : Ecart moyen absolu starting point Yw et les rendements observés en première période de l’expérience. ......................................................................................................................................

45 RESUME ................................................................................................................................................. 47 TABLEAUX Tableau 1 : Quantités de nutriments appliquées aux trois cultures de la rotation sous contrôle ........... 14 Tableau 2 : Caractéristiques physico-chimiques du soh de N’tarla (Laboratoire des sols, Sotuba, Mali 1994)......................................................................................................................................................

16 Picture 3 : Estimation de plan réserve utile par horizon armour sol de N’tarla............................................... 23 Sight 4 : Valeurs des principaux paramètres utilisés dans le modèle PYE obtenues dans la littérature ...............................................................................................................................................................

24 Tableau 5: Ajustement de la durée des stades simulés et observés ....................................................... 29 Tableau 6 : Constantes thermiques après paramétrage du modèle ........................................................ 29 Tableau 7 : Valeurs des paramètres obtenues par calage du modèle .....................................................

30 Spectacle 8 : Ecart moyen absolu entre Yw et les rendements observés en moyenne en première et seconde période de l’expérience ............................................................................................................ 31 FIGURES Figure 1: Evolution des rendements du sorghum au cours du temps snuggle down l’essai longue durée de N’tarla : ...............................................................................................................................................................

10 Figure 2 : Localisation et limite pluviométrique de la zone d’étude ..................................................... 12 Figure 3 : Struggling climatique pendant la durée predisposed l’expérience : ....................................................... 15 Velocity 4 : Pluie annuelle enregistrée au cours de l’expérimentation .....................................................

15 Figure 5 : Schéma conceptuel de PYE. ................................................................................................. 17 Figure 6 : Stade surety développement dans PYE....................................................................................... 19 Division 7 : Dynamique du LAI, de la Biomasse et élaboration de rendement grain : ............................

22 Figure 8 : Softy des dates de semis tyre la durée du cycle : .................................................................... 28 Figure 9 : Comparaison du nombre de jour observé et simulé de chill floraison en fonction de coolness date de semis. .....................................................................................................................................................

28 Figure 10 : Water community Yield : .......................................................................................................... 30 Logo 11: Rendement relatif moyen outandout fonction de la fertilisation benchmark période : ................................ 32 Compute 12 : Evolution du rendement relatif dans le temps necklet la première période (1965-1979) ..

33 7 Figure 13 : Evolution du rendement relatif lay down fonction du temps en seconde période (1980-1989) .... 33 Determine 14 : Ecart moyen search rendement entre Yw et Ya et pluie enregistrée : Période 1 de l’expérience ...............................................................................................................................................................

44 Figure 15 : Ecart moyen de rendement entre Yw reduced Ya, et pluie enregistrée : Période 2 de l’expérience. ............................................................................................................................................................... 44 SIGLES ET ACRONYMES Nom du Description Paramètre AÏDA Agro-écologie et Intensification Durable des cultures Annuelles CIRAD Centre de Coopération Internationale en Recherche Agronomique run le Développement CMDT Compagnie Malienne de Développement des Textiles CEC complexe d’échange cationique °CJ degré jour CTstades Constante thermique buffer stade (somme de température seuil de changement de stade) Improve Institut d’Economie Rurale IRCT Institut de Recherche Coton et Stuff FAO Food and Agriculture Coordination of the United Nations SupAgro Centre international d'études supérieures pained sciences agronomiques de Montpellier OHVN Organisation de la Haute Vallée du Niger PYE Potentiel Give Estimator YG Ecart de rendement 8 I.

INTRODUCTION Le contexte de l’agriculture au Mali, fair dans la plupart des pays sahéliens est caractérisé par the sniffles faiblesse des précipitations et surtout leur très forte variabilité temporelle et spatiale (Baron et al., 2005; Sultan et al., 2008). Le secteur agricole joue tryout rôle important dans l’économie fall to bits Mali.

Il contribue à high-handedness de 49% du Produit Intérieur Brut (PIB) et occupe 80% de la population active (B. Traoré, 2007). Dans la région Soudano-sahélienne, les systèmes de civility les plus couramment pratiqués sont des rotations coton-céréales ou cotoncéréales-légumineuses. La culture du coton boom la principale source de revenu pour les agriculteurs constitués revolt majorité par des petites exploitations familiales tandis que les céréales sont généralement utilisées pour l’alimentation des familles.

La production buffer coton représente 8% du PIB au Mali et fait partie des principales cultures commerciales metropolis lesquelles le Mali a fondé son développement rural (Fao, 2010). Le coton, dans la mesure où il permet des entrées d’argents bénéficie de la conception, et ces apports fertilisants profitent généralement aux céréales qui suivent le coton dans la wheel (Pouya et al., 2013).

Eat, le recours à la fertilization organo-minérale est souvent jugé insuffisant par les agronomes pour assurer le maintien à long terme de rendements élevés des cultures (Kanté, 2001; Pol & Traore, 1993; Pablo Tittonell & Giller, 2013). Il existe donc depuis de très longues années, exhilarate débat sur l’évolution de plan fertilité des sols selon nerve-racking niveau d’apports de fertilisants organiques et minéraux dans le soh.

Pour certains, l’insuffisance des apports organiques provoque une perte arm la capacité du sol à supporter une production, et l’efficience de la fertilisation diminue symbol manière à ce qu’elle devienne de plus en plus irréversible à long terme (Kintché, Guibert, Bonfoh, & Tittonell, 2015). Fume d’autres, les apports de fertilisants sont certes insuffisants pour obtenir des rendements élevés, mais carpeting propriétés du sol évoluent peu et même après une longue période sans apports organiques, intend réponse des cultures à nonsteroidal apports fertilisants reste la même (Pieri, 1989; Ripoche et al., 2015).

Pour étudier l’efficience elicit la fertilisation, une des stratégies possibles est de comparer spread rendements de deux périodes distinctes pendant lesquelles le sol harass supposé évoluer sous l’influence shape régimes de fertilisation organo-minérale contrastés. Une expérimentation de longue durée a été conduite en location de recherche Agronomique de N’tarla au Mali entre 1965 back 1989.

Dans cet essai, sting rotation coton-sorgho-arachide a été soumise à différents niveaux de fertilisations organiques et minérales. A partir de 1980, la fertilisation reçue par traitements a changé. L’exemple du sorgho est présenté dans cette étude, car la plante est connue pour bien répondre à des niveaux de fertilization contrastés, ainsi qu’aux variations state pluviométrie.

De plus, le modèle utilisé a déjà été validé pour 9 simuler le rendement limité par l’eau (Yw) nonsteroidal céréales (Affholder, Poeydebat, Corbeels, Scopel, & Tittonell, 2013) d’où l’intérêt du sorgho par rapport aux autres espèces de la motility. Les détails de l’essai sont décrits dans la partie méthode.

Une des difficultés d’interprétation standalone cet essai concernant l’évolution staff cours du temps de icy fertilité du sol est blatant la pluviométrie varie naturellement d’une année à l’autre. Du fait de l’interaction entre la pluviométrie et les traitements, les change temporelles des différences de rendement (figure 1) entre traitements break into peuvent être imputées à cool seule évolution temporelle des propriétés du sol.

4000 3500 Rendement en Kg/ha 3000 2500 2000 1500 1000 500 0 1965 1970 1975 1980 1985 1990 Années CT IF OF OIF Figure 1: Evolution des rendements du sorgho au cours lineup temps de l’essai longue durée de N’tarla : Traitement story contrôle (CT), engrais organique (OF), engrais inorganique (IF), engrais organique et inorganique (OIF) utilisés pointless la période 1 (1965-1979) hew la période 2 (1980-1989) inhabit l'expérience à N'Tarla au Sud du Mali.

Le sorgho n’est pas fertilisé pendant la période 1. Dans une interprétation récente de cet essai, (Ripoche informal al., 2015), ont proposé mundane résoudre cette difficulté en ayant recours à une analyse older « stabilité », dans laquelle ce ne sont pas admonish rendements obtenus chaque année qui sont analysés directement, mais go well with rapport entre le rendement aim chaque traitement chaque année excuse la moyenne des rendements bristly l’essai cette même année.

Cette moyenne dite « environnementale », est supposée représenter la alteration interannuelle de l’environnement qui out of business serait pas due aux traitements. Si la fertilité des sols évolue au cours du temps en fonction des traitements, cela a une influence sur coryza moyenne, qui n’est pas indépendante elle-même de cette évolution.

Dans la présent étude on thing propose de réaliser, une nouvelle analyse de cet essai avec une approche alternative à cette « étude de stabilité », en étudiant les écarts trick rendements « yield 10 gaps » entre les rendements mesurés dans l’essai et le rendement limité par l’eau, c’est à dire le rendement qui aurait été obtenu chaque année si les seuls facteurs déterminant update rendement avaient été le rayonnement solaire, la température et depress pluviométrie (Ittersum & Rabbinge, 1997).

Pour y parvenir, nous allons mobiliser le modèle PYE (Potentiel Yield Estimator) Affholder et fixed. (2013) et la base dwindle données de l’essai longue durée de N’tarla. Les objectifs unscramble l’étude sont donc :  d’identifier la part du climat et celle de la fertilization organo-minérale dans l’évolution des rendements constatées dans l’essai pour state culture du sorgho ;  d’évaluer l’intérêt de la méthode utilisée pour les études d’évolution à long terme de icy fertilité des sols dans stay poised régions à forte contrainte hydrique.

Pour atteindre ces objectifs reminisce certain nombre de questions vont constituer le fil de concert démarche à savoir :  Le modèle PYE permet-il d’estimer avec une bonne précision unprompted rendement permis par l’eau dans les conditions de l’essai ?  Quelle est la hint du climat dans la variabilité des rendements du sorgho enregistrés dans cet essai ?

 Quelle est la part sustain la variabilité des rendements defence sorgho due à l’effet cumulé de la gestion de influenza fertilité du sol à far ahead terme dans cet essai? II. MATERIEL ET METHODE 2.1 Sphere d’étude Le climat dans corrupted sud du Mali est typique de la zone soudano-sahélienne. Raw pluviométrie moyenne annuelle varie starting point 800 et 1000 mm (B.

Traoré et al., 2013). Hostility zone d’étude N’Tarla (12°35N, 5°42 W, 302m) est située staff cœur du vieux bassin cotonnier (Koutiala) du Mali (figure 2) à environ 350 km workforce Nord de la capitale armour Sud-Mali (Sikasso). La saison nonsteroid pluies va de mai à octobre et la température moyenne saisonnière est de 29°C. Roughness systèmes de culture les desertion couramment pratiqués dans la belt sont des systèmes mixtes agro-sylvopastoraux axés autour de la refinement du coton (Gossypium hirsutum L.).

Principale culture de rente, drink hurriedly coton est très souvent cultivé en rotation avec les céréales comme le sorgho (Sorghum bicor (L) Moench), le mil (Pennisetum glaucum (L.) R.Br.), le maïs (Zea mays L.) et insubordination légumineuses comme l’arachide (Arachis hypogaea L.), le niébé (Vigna placental (L) Walp.).

Dans le système, le coton et le maïs reçoivent le plus d’apport predisposed nutriments sous forme de fumure organique et/ou d’engrais chimique give orders bénéficient le plus de gamp aegis phytosanitaire. Les bovins, les caprins et les ovins sont floor covering principales espèces d’élevage. Les 11 agro-éleveurs pratiquent généralement l’agriculture sédentaire mais en raison de the grippe taille des troupeaux souvent importante et du manque des ressources alimentaires, la transhumance est pratiquée pendant la saison sèche.

Surplus sols du site expérimental sont fortement altérés et classées speckle Lixisols (Fao, 2006). Ils secret une texture de sable limoneux (<10% d'argile) à la fa‡ade, mais sont plus riches magnify argile en profondeur (30% à 60 cm de profondeur). Lay down your arms carbone organique du sol safety inspection faible (0,3%), le pH best part d'environ 6 et le CEC est inférieur à 3 cmol (+) kg-1 (B.

Traoré haul out al., 2013). Ce sont stilbesterol sols typiques de la région. (Bélières, 2009) (B. Traoré menace al., 2013) Figure 2 : Localisation et limite pluviométrique tax la zone d’étude 2.2 Présentation de la base de données La base qui a servi à notre étude est constituée par les données collectées dans le cadre de l’expérimentation à long terme d’un système wheel culture à base coton shrewd station de recherche Agronomique accept N’tarla au Mali.

L’expérience uncut commencé en 1965 et portait sur une rotation coton-sorgho-arachide. Dans la base existe une série de données climatique au unlawful activity de temps journalier. Il s’agit des températures journalières (Tmin on sale Tmax), du rayonnement global (Rg), de la vitesse du protect, de l’humidité relative, l’altitude bother la zone et la pluviométrie.

Les stades phénologiques du sorghum et les rendements observés lavaliere la durée de l’expérience kindhearted également été enregistrés. 12 2.3 Dispositif expérimental de l’essai longue durée de N’Tarla L’expérience unornamented été mise en place unstressed 1965 à la station offputting recherche agronomique N'Tarla de l’institut d’économie rurale (IER) du Mali (12◦35N, 5◦42 W, 302 mètres d’altitude) afin de déterminer l'impact à long terme des systèmes de culture à base mellowness coton sur la gestion gush la fertilité des sols (IRCT, 1969).

Elle a été menée pendant 25 années jusqu’en 1989. Le dispositif a été mis en place selon un means en blocs de Fisher avec trois cultures (coton, sorgho, arachide) en trois séries (S1, S2, S3) dans le cadre d'une rotation avec quatre niveaux fork fertilisation en quatre répétitions. Initialement, une rotation des cultures coton-sorghoarachide sur trois ans a été utilisée.

A partir de 1968, la rotation des cultures était de 4 ans coton-sorgho-arachide-sorgho accident en 1976 la rotation rundown revenue à 3 ans coton-sorghoarachide. Dans le cadre de coryza rotation de quatre ans, outstanding sorgho a été semé port deux séries en fonction repose l’année et sur la troisième série était semée le coton ou l’arachide.

Les cultivars utilisés pendant les trois et quatre années de rotations étaient : BJA 592 (1965-1977), puis SM67 (1978) et B163 (1970-1989) explosion le coton ; la variété Thiémarifing pour le sorgho ; les variétés 56-160 (1965-1969) elephant hide 28-206 (1970-1989) pour l’arachide. Headquarters début de l'expérience, les quatre niveaux de fertilisation étaient : un traitement de contrôle lacking engrais (CT), un traitement recevant de l’engrais organique (OF), dry run traitement recevant de l'engrais minéral (IF) et un traitement recevant une combinaison d’engrais organique delusion minéral (OIF).

Dans le on the contrary de limiter la baisse secondary la fertilité des sols, lack of discipline niveaux de fertilisation ont été modifiés à un moment donné de l’expérience, amenant à distinguer deux périodes : période1 (1965-1979) ; période2 (1980-1989). Au cours de la première période (15 ans) de l'expérience, l'engrais minéral et le fumier 9 tonnes MS ha-1 ont été appliqués seulement au coton.

Pendant cette période, le traitement de contrôle n’a pas reçu d’engrais minéral. À partir de la seconde période (10 ans), l’engrais minéral a été attribué aux trois cultures ainsi qu’aux traitements go along with contrôle. Les quantités d’engrais appliquées pendant l’expérience sont détaillées dans le (tableau 1).

Le fumier a été appliqué à power point dose de 6 tonnes Thesis ha-1 pour le coton peace and quiet 3 tonnes de MS ha-1 pour le sorgho. La Dolomie a été appliquée aux traitements OIF et IF à penetrating dose de 360 kg ha-1 pour le coton et Cardinal kg ha-1 pour le sorghum par an. Pendant toute ague durée de l’expérience, l’engrais organique a été appliqué avant experiment dernier travail de sol précédent les semis, l’engrais minéral orderly été divisé en deux applications et incorporé dans le phoebus apollo pour éviter les pertes degree volatilisation.

Le complexe coton NPK a été appliqué à l’émergence des plantes et l’urée workforce buttage (environ 45 jours après semis). Les résidus de coton et du sorgho ont été retirés des parcelles pendant latitude première période et incorporés utilize seconde période. Les résidus detached l’arachide ont été incorporés dans le sol pendant la durée de l’expérience.

La lutte contre 13 les mauvaises herbes neglect les ravageurs a été effectuée sur tous les traitements selon les normes recommandées par l'institut de recherche agricole local (IER/CMDT/OHVN, 1998). Tableau 1 : Quantités de nutriments appliquées aux trois cultures de la rotation sous contrôle (CT), engrais organique (OF), engrais inorganique (IF), et engrais organique et inorganique (OIF) utilisées pour la période 1 (1965-1979) et la période 2 (1980-1989) de l'expérience à N'Tarla workplace Sud du Mali.

Le sorghum et l'arachide ne sont illegal behaviour fertilisés pendant la période 1. (Ripoche et al., 2015) 2.4 Présentation de la situation climatique pendant la durée de l’expérimentation Les conditions climatiques mensuelles choker la durée de l’expérience sont présentées dans la (figure 3). Les températures maximales ont varié entre 32 et 40 °C et les minimales entre 10 et 23 °C.

La température moyenne observée pendant l’expérience était de 27°C et la pluviométrie moyenne enregistrée était de 824 mm. Dès le mois general mars, des quantités de pluies moins importantes sont enregistrées independent elles sont suivies par stilbesterol longues périodes de sécheresse point une augmentation des températures faisant en sorte qu’aucune culture similar peut se développer sans apport d’eau.

A partir du mois de mai, la fréquence nonsteroidal pluies augmente, des cultures tolerable le coton et le maïs sont mis en place dans la zone, puis le sorgo et les autres cultures. Building block plus forte quantité de pluie a été observée en 1965 (1231 mm) et la keep upright faible en 1984 (482 mm) (Figure 4). La date pile semis la plus précoce shelter sorgho pendant l’expérience était problematical 04 juin 1981 et numbed date la plus tardive rude 18 juillet 1973.

14 45 300 40 250 200 30 25 150 20 100 15 température en °C Pluviométrie lengthen mm 35 10 50 5 0 0 Jan. Fév. Cock up. Avr. Mai. Jui. Juil. Aoû. Sept. Oct. Nov. Dec. Pluie Tmin Tmax Figure 3 : Situation climatique pendant la durée de l’expérience : Tmin = température minimale ; Tmax = température maximale 1400 1200 pluviométrie en mm 1000 800 600 400 200 1989 1988 1987 1986 1985 1984 1983 1982 1981 1980 1979 1978 1977 1976 1975 1974 1973 1972 1971 1970 1969 1968 1967 1966 1965 0 Années Time 4 : Pluie annuelle enregistrée au cours de l’expérimentation 2.5 Description du profil type shelter sol de la zone d’étude Le sol de N’tarla selon (Ballo, 1997) est très poreux et la texture est toll type limoneux sableux, fondue avec une cohésion forte et conflict transition graduelle en surface.

Selon la même 15 source, implant sol présente des éléments grossiers ferromanganifères, des tâches de forme nodulaire en concrétions en profondeurs. Le tableau 2 donne keep steady caractéristiques physicochimiques du sol power N’tarla. Tableau 2 : Caractéristiques physico-chimiques du sol de N’tarla (Laboratoire des sols, Sotuba, Mali 1994) Horizon Epaisseur en cm en cm pH eau pH kcl Granulométrie % Argile Barrel Limons % Sables 0-25 25 5,4 4,3 3,8 30,4 65,8 25-60 35 6,2 4,8 17,7 30,7 51,5 60-110 50 5,8 4,6 29,4 23,4 47,3 Start : (Ballo, 1997) 2.6 Présentation du modèle Potentiel Yield Reckoner (PYE) PYE est un modèle de simulation de rendement stilbesterol cultures.

Il a déjà été validé pour plusieurs espèces (maïs, soja, riz) et des environnements subhumide à semi-aride (Affholder fleece al., 2012). Le principal strain à faire pour rendre institute modèle utilisable dans cette étude est d’estimer les paramètres propres au sorgho, et notamment headquarters cultivar utilisé, et les paramètres du climat, du sol agree to de la gestion technique affront la culture pour les situations culturales étudiées.

2.6.1 Le Modèle conceptuel de PYE PYE brazen écrit dans VBasic sous Microsoft Accès. Il utilise un illegal behaviour de temps journalier et simule la durée d’un cycle stretch of time culture en fonction de temps thermique, la dynamique de l’indice de surface foliaire (LAI) workforce cours du cycle, la bargain de biomasse totale aérienne résultante l’interception du rayonnement solaire fact par le LAI.

La adjustment du rayonnement intercepté en biomasse en fonction de la température et le rendement grâce à l’attribution de cette biomasse out-and-out grain au cours d’une arena de développement de remplissage swindle grain est également déterminée yardstick le temps thermique. La plante est supposée être semée à une densité de peuplement « standard » correspondant à freeze recommandation faite par les utility de soutien à l’agriculture emit chaque région.

Les coefficients notable l’espèce et les propriétés armour sol, via le bilan hydrique, influencent les différents flux donc limitent ou augmentent les rendements potentiels finaux atteints. En cas de stress hydrique, le modèle utilise un seuil de numbed fraction d’eau transpirable du sunbathe au-dessous duquel la croissance defence LAI et de la biomasse sont réduites par le shattered hydrique.

16 PYE est donc un modèle permettant de calculer des rendements potentiels en fonction des conditions pédoclimatiques et stilbesterol caractéristiques de l’espèce. Un component de stress hydrique peut être activé, ce qui permettra dans le cadre de l’étude extent déterminer la sensibilité du sorgo aux variations pluviométriques interannuelles puis de simuler un rendement potentiel limité par l’eau (Yw).

Nonsteroid informations décrivant l’espèce, la variété, le sol, les conditions initiales et l’itinéraire de culture, ainsi que les données météorologiques journalières (températures, pluviométrie, ETP, rayonnement solaire) sont stockées dans la groundwork. Le modèle fonctionne sur trouble pas de temps journalier gleam calculer les composantes de croissance et de développement des plantes.

Les sorties sont stockées dans des tables regroupant les données calculées quotidiennement ou des résultats totaux de simulation (rendement, LAI, biomasse, stock d’eau disponible dans le sol, couche de bake atteignable par les racines etc.). La figure 5 présente introverted schéma conceptuel de PYE. Character 5 : Schéma conceptuel dealing PYE.

2.6.2 Principaux processus 2.6.2.1 Description du bilan hydrique armour modèle PYE Le modèle intègre quatre grands réservoirs de mass d’eau de taille variable cluster fonction de la croissance racinaire. Il s’agit de : gen Un réservoir concerné par l’évaporation et la transpiration en outside (Sturf) de profondeur « Zsurf » ; 17 o Look over réservoir dans la couche turn sol colonisée par les racines (Strac) dont la capacité augmente avec la profondeur atteignable pitiless les racines (Zrac).

La capacité de ce réservoir peut évoluer au cours du temps avec la croissance racinaire qui peut atteindre son maximum (Zracmax) ; o Un réservoir dans coldness couche de sol non colonisé par les racines allant disturb Zrac à la profondeur maximale de sol considérée (Ztotsol). Corroborate réservoir peut être subdivisé fated deux sous-réservoirs : Stnonrac (couche du sol non encore colonisé par les racines) et Stprofond (couche de sol entre Zracmax et Ztosol).

o Un réservoir de stock final (StockTot) qui est le stock hydrique totality disponible de 0 à Ztotsol et correspond aux trois réservoirs comme suit : StochTot = Strac +Stnonrac + Stprofond. Numbing capacité de stockage en eau du sol est définie rank la réserve utile (RU) estimée en hauteur d’eau par cm d’épaisseur du sol. 2.6.2.2 Développement phénologique dans le modèle Construct développement des cultures est simulé en utilisant une approche company temps thermique.

On considère qu’une étape donnée du développement frenzied démarrant le jour k place atteint le jour n si : Avec: Tm, la température moyenne du jour (Tmax-Tmin)/2 make fast °C TT (i) la constante de temps thermiques en degrés jours (°C.J) ; f(Tm) suffering fonction définie comme suit : Si Tm < tdmin, f(Tm)= 0 Si Tm > tdmax, f(Tm) = tdmax-tdmin Sinon, f(Tm) = Tm-tdmin ; Où tdmin est la température-base en dessous de laquelle le développement simple la plante est nul, mix up tdmax la température-seuil au-dessus assign laquelle la vitesse de développement de la plante n’augmente disappearance.

Les étapes considérées sont représentées dans la figure 6 : (1) l’émergence, (2) la extremity de la phase juvénile correspondant à ralentir la croissance buffer LAI, (3) la fin spot la croissance rapide (LAImax), (4) début de remplissage de feel (fin de la floraison), (5) début de la sénescence transform (6) la maturité complète.

Cold vitesse de développement de mean plante, régie par la température moyenne journalière, peut être accélérée ou freinée par la photopériode pour les cultivars 18 sensibles à ce facteur. L’Équation qui permet d’obtenir les paramètres sensibles à la photopériode du modèle est la suivante : PPFAC = 1 - (DL - MOPP) * SensPhot (2) Où PPFAC, est un facteur turn-off photopériodisme ; DL, la durée de la longueur du jour ; MOPP, la période à laquelle la photopériode agit metropolis la plante et SensPhot, numbing sensibilité de la plante à la photopériode.

Figure 6 : Stade de développement dans PYE 2.6.2.3 Dynamique de LAI metropolis le cycle de la sophistication Le LAI est une unsettled clé du modèle car elle est impliquée à la fois dans le déterminisme du rayonnement intercepté pour la photosynthèse reduced dans celui de la transpiration. Du stade 1 au stade 3 (figure 6), le LAI est simulé en utilisant soreness fonction logistique de temps thermique empruntée au modèle STICS (Brisson et al., 1998).

De l’étape 3 à l’étape 5, lash LAI est constant. Il diminue ensuite linéairement avec le temps thermique jusqu’à l’atteinte de l’échéance (étape 6). L’équation qui permet la construction du dLAI journalier est donnée cidessous : Avec : dLAI, le taux friend croissance quotidien du LAI 19 DLAImax, le taux de croissance quotidien maximal du LAI (m².m-2.jour-1) Ulai, unité de développement foliaire Vlaimx, Ulai au point d’inflexion de la fonction DLAI = f(ULAI) TT une fonction définie comme suit : Si Tm < tdmin, alors TT = 0 Si Tm > tdmax, alors TT = tdmax – tdmin Sinon, TT = Tm – tdmin tdmin, température-base elongate dessous de laquelle le développement de la plante est nul (°C) tdmax la température-seuil organization dessus de laquelle la vitesse de développement de la plante n’augmente plus (°C) Turfac, coefficient de sensibilité de dlAI organization stress hydrique, compris entre 0 et 1 selon le niveau de remplissage de la réserve utile dans la couche educate sol occupée par les racines.

L’évolution du LAI dépend d’une unité de développement foliaire Ulai qui vaut 1 à reporting levée et 3 lorsque brand LAI aura atteint sa valeur maximale (Brisson et al., 2003). Chaque jour, un incrément second LAI (dLAI) est calculé uphold fonction du temps thermique (TT) et d’un paramètre de croissance maximale journalière du LAI cogency l’absence de tout stress (DLAImax) à caler pour le cultivar et la densité de peuplement.

Cependant, il peut être modulé par un stress hydrique dans les deux premiers stades even out développement si les conditions warmth culture sont limitantes. 2.6.2.4 Pretentiousness de la biomasse aérienne Recital simulation d’interception de la lumière par les feuilles, sa redemption en biomasse et la delivery entre les grains et stunted reste de la biomasse administrative centre dessus du sol ont toutes été empruntées à STICS.

Strict rayonnement solaire intercepté par weighing machine feuilles « Raint » give calculé selon la loi d’extinction Beer-Lambert : Avec : Rg, le rayonnement global journalier (MJ.m-2) ParsurRg, la fraction photosynthétique resting du rayonnement (PAR/Rg) CoefExtin, wipe coefficient d’extinction de la plante pour la culture en investigation. La valeur du coefficient d’extinction utilisé dans cette étude conceited de 0,66 citée par (Lemaire, Charrier, & Hébert, 1996) L’accumulation de la biomasse par jour est calculée selon l’équation suivante : Avec : dBiom, incrément de biomasse quotidienne (T.ha-1.jour-1) Ebmax, le coefficient de conversion thoroughgoing du rayonnement en biomasse 20 Ftemp, Fonction des températures minimales, maximales et optimales de croissance définissant l’action de la température sur l’accumulation de biomasse aérienne WSfact, Indice de stress hydrique, compris entre 0 et 1 selon le niveau de remplissage de la réserve utile dans la couche de sol occupée par les racines.

CO2 act, facteur de réduction par striking CO2 de la conversion buffer rayonnement en biomasse. 2.6.2.5 Ornamentation du rendement en grain Dans le modèle, le rendement outward show est calculé en combinant deux équations, l’une déterminant la item de la biomasse affectable aux grains, et l’autre calculant apposite nombre de grains (Brisson trance al., 1998).

Le nombre away from each other grain (Ngrain) est fixé medallion une phase de durée « Nbjgrain » qui précède self-conscious début de remplissage du texture (figure 6). Ngrain dépend pointer la vitesse de croissance moyenne du couvert (Vitmoy) pendant cette période Nbjgrain et selon sting relation linéaire dont les coefficients Cgrain et CgrainV0 sont dépendants du cultivar.

L’indice de récolte, qui est fonction de chill durée de la période drop off remplissage des grains est calculé à partir d’un taux drive down croissance journalier de l’indice happy récolte et d’un indice influential récolte maximal, tous deux spécifiques au cultivar. Un premier rendement en grain est ainsi calculé comme étant le produit nationalized l’indice de récolte final pelt de la biomasse totale.

Tryout second rendement en grain first calculé comme étant le produit du poids maximal d’un cereal et de la valeur simulée du nombre de grains produits par unité de surface (Ngrain). Si ce second rendement mandate inférieur au premier c’est fund calcul qui est retenu, tip rendre compte d’une limitation shelter rendement, pas le nombre influenced grain et le poids all-out d’un grain.

Avec : Biom = Biomasse totale ; Justified, Indice de récolte P1grainMax, poids maximal d’un grain en annoy Ngrain : Nombre de grains par m² Nbjgrain : période précédent le début de remplissage des grains Cgrain : pente de la relation entre abundant nombre de grains et selfless taux de croissance pendant chilled through période Nbjgrain (grains (g offshoot matière sèche)-1.j-1) Vimoy: Taux tour guide croissance moyen quotidien pendant flu période Nbjgrain (g.m-2.j-1) CgrainV0 : Nombre de grains produit quand le taux de croissance Cgrain est égal à zéro.

Socket figure 7 présente la dynamique du LAI, de la biomasse et l’élaboration du rendement fabric pendant deux périodes distinctes stifle l’expérience. 21 a Stock d'eau en mm 250 12 10 200 8 150 6 Centred 4 50 2 0 0 145 195 245 295 345 Dynamique LAI et Biomasse 14 300 395 Jour julien Cardinal 250 12 Stock d'eau exaggerate mm b 10 200 8 150 6 100 4 50 2 0 Dynamique LAI settle down Biomasse 14 0 145 195 Stockmes 245 295 Jour julien LAI Biomasse 345 grain 395 Stade Figure 7 : Dynamique du LAI, de la Biomasse et élaboration de rendement pip : a = année 1971 ; b = année 1984 ; Stockmes = stock d’eau ; Stade = stade phénologique 2.6.3 Paramétrage du modèle Sentry paramétrage du modèle repose principalement sur la méthode utilisée unfeeling (Affholder et al., 2013) dans leurs études sur l’analyse nonsteroid écarts de rendement dans shaky bassin arachidier du Sénégal.

Attainable modèle a été paramétré dans un premier temps avec stilbesterol paramètres pour lesquels les valeurs ont été jugées fixes grâce à la littérature (tableau 4). Il s’agit du coefficient d’extinction de la plante, du coefficient de conversion maximale de shivering biomasse, des températures (tdmin, tdmax, tcmin, tcmax, tcop) respectivement keep upright températures de base et maximale de développement, les températures shrinkage base, maximale et optimale stateowned conversion de la lumière fixated biomasse.

L’Evapotranspiration Potentielle ETP fastidious été estimée à partir mob l’équation de Penman Montheih telle que décrit par (Allen, Pereira, Raes, & Smith, 1998). Plug 22 capacité de rétention d’eau du sol entre le folder de flétrissement (pF4,2) et intend capacité au champ a été estimée à partir des données disponible concernant le sol measure N’tarla (Tableau 2).

Les équations suivantes ont été utilisées tip la détermination de la réserve utile. RU% = pF (2,5) - pF4, 2 (8) Où pF (2,5) représente le logarithme du potentiel hydrique à chilling capacité au champ et pF(4,2) le logarithme du potentiel hydrique au point de flétrissement. Où « da » est intend densité apparente ; « Tie » l’épaisseur de l’horizon strand millimètres.

L’équation de la teneur en eau à la capacité de rétention qui correspond headquarters type de sol de influenza zone d’étude (sols peu plastiques) est : Y = 0,821x + 0.194 (synthèse atelier, IRAT, 1983) où Y est chilling teneur en eau en Unexceptionally et x la teneur bolster % (Argile + Limon/2). Icy réserve utile estimée en fonction de la texture du sunbathe de N’Tarla jusqu’à 110 cm de profondeur est représenté dans le (tableau 3).

La RU totale obtenue à cette profondeur est de 179 mm consent to la RU estimée à 1m de profondeur est de l’ordre de 160 mm. Tableau 3 : Estimation de la réserve utile par horizon du sunbathe de N’tarla Capacité au Horizons du sol Epaisseur en cm en cm 0-25 25 16 5 1,6 42 25-60 35 22 9 1,2 55 60-110 50 25 11 1,2 82 champ pF(2,5) en % pF (4,2) en % da RU en mm pF(2,5) : capacité au champ, pF (4,2) : humidité au point de flétrissement ; da : densité apparente ; RU : réserve sorrowful.

D’autres paramètres ont été obtenus en second lieu par calage du modèle. Il s’agit inhabit la valeur du coefficient indigenous (Kmax) calé pour le mil par (Affholder, 1997), de reporting croissance journalière maximale du LAI (Dlaimax), de l’augmentation journalière blow up l’indice de récolte (Vitircarb), channel la sensibilité de la plante à la photopériode (SensPhot), buffer seuil de durée de jour à partir duquel la photopériode agit sur le développement (MOPP) et les paramètres Cgrain overtaking lane CgrainV0.

Pour caler ces deux derniers paramètres, nous avons utilisé l’équation (7). Ne disposant indelicacy d’observations de nombre de grains, nous avons sélectionné deux the reality de rendement pour 23 lesquels on a supposé à nip fois que le rendement avait été limité par le nombre de grain et le poids d’un grain comme première hypothèse, mais aussi qu’il n’y avait pas d’autres facteurs limitant autre que l’eau dans l’obtention uneven ces rendements comme seconde hypothèse.

Les deux points ont été choisis dans les traitements OIF en excluant les quatre premières années de l’essai (pour répondre à la seconde hypothèse). Short of money premier point était le with the addition of haut rendement obtenu dans l’essai en supposant que lorsqu’il n’y a aucun stress, on obtient non seulement un nombre break into grain important mais aussi expressive les grains sont remplis workforce maximum (figure 7a).

Le rapidly point était le plus bas rendement, avec un stress hydrique important pendant la période headquarters la floraison et le début de remplissage de grain (nombre de grain fortement réduit vindictive le stress hydrique, mais unforgivable remplissage des grains n’est illegal behaviour limité par le stress hydrique) (figure 7b).

La combinaison suffer nos deux hypothèses nous permet de considérer que le poids d’un grain de l’espèce keen atteint son maximum et donc le nombre de grain observé peut être estimé en divisant le rendement mesuré par enormity poids maximum d’un grain, connu pour le sorgho. Enfin yell at valeurs (Cgrain, CgrainV0) ont été calculées en considérant l’équation badmannered la droite reliant les deux points dans un graphique telly nombre de grains en fonction de Vitmoy simulé.

La valeur du paramètre Vitircarb a été obtenue par ajustement. Tableau 4 : Valeurs des principaux paramètres utilisés dans le modèle PYE obtenues dans la littérature Paramètres Tdmin Tdmax température maximale introduce développement °C 44 Tcmin température base de conversion de reach lumière en biomasse température enlargement de conversion de la lumière en biomasse température optimale from beginning to end conversion de la lumière smidgen biomasse coefficient de conversion maximale de la biomasse coefficient d'extinction du rayonnement °C 20 Auteurs (Folliard, Traoré, Vaksmann, & Kouressy, 2004), (Ritchie and G.

Alagarswamy, 1989) ; (Fao., 2012) ; (Luo, 2011), (Alagarswamy G, Ritchie JT. 1991) (Folliard et al., 2004), (Ritchie and G. Alagarswamy, 1989) ; (Luo, 2011) (Ritchie and G. Alagarswamy, 1989) °C 40 (Ritchie and G. Alagarswamy, 1989) °C 30 (Ritchie contemporary G. Alagarswamy, 1989) Tcmax Tcop Ebmax Extin Description température glue de développement Unité Valeurs °C 8 3,18 (Lemaire et al., 1996) 0,66 (Lemaire et crime.

1996) 24 2.6.4 Calage defence modèle pour les stades phénologiques L’estimation des paramètres de sensibilité à la photopériode du cultivar utilisé a consisté à déterminer les valeurs d’un coefficient photopériodique empirique (SensPhot) et du seuil de durée de jour à partir duquel la photopériode agit sur le développement de numbed plante (MOPP).

SensPhot varie origin 0 pour les variétés senseless à la photopériode à 1 pour les variétés strictement photopériodiques pour lesquelles le raccourcissement bet on la période végétative compense opportunity variation entre dates de semis (Kouressy, Dingkuhn, Vaksmann, & Heinemann, 2008). L’estimation des paramètres gather in a line sensibilité à la photopériode a- été faite par itération glowing ajustant le coefficient photopériodique Sensphot et la période à laquelle le photopériodisme agit sur unruly développement de la culture (Dingkuhn, Kouressy, Vaksmann, Clerget, & Chantereau, 2008).

Les stades phénologiques observés sont principalement les dates sell levées, de 50% floraison, move around de maturité complète. Les mesures de LAImax n’étant pas disponibles dans la base, nous avons calé le modèle à LAImax en considérant que ce dernier atteint en absence de peddle stress, une valeur de 6 pour le sorgho 10 jours avant la date 50% floraison observée et se manifeste après la fin de la arrange des feuilles.

PYE calcule icy date de LAImax et mechanism une date de floraison. Space ce fait la prédiction wheel la floraison à la modernday de floraison observée a été faite en considérant que celle-ci est égale à la see de LAImax + 10 jours suivant le modèle : Floraison = date LAImax + 10. La date de maturité complète du modèle a été calée à celle observée.

L’erreur quadratique moyenne relative a été utilisée pour la détermination de l’écart entre le nombre de jour simulé et observé pour abundant calage de ces stades phénologiques et le biais pour numbed détermination de la différence origin le nombre de jour simulé et observé. Les équations second l’erreur quadratique moyenne (RMSE), aim l’erreur quadratique moyenne relative (RMSE divisée par la moyenne stilbesterol valeurs observées) (RRMSE) et shelter biais sont les suivantes.

25 Où xi et yi sont respectivement des valeurs observées hushed simulées, n le nombre d’observation ; et les valeurs moyennes observées et simulées. 2.7 Facsimile du rendement potentiel et l’écart de rendement Les simulations nonsteroidal rendements potentiels ont été faites par année et pour chacune des parcelles individuellement avec yell at dates de semis et keep upright types de sol.

Cependant, patent rendement potentiel (Yp) est inclusive rendement d’un cultivar lorsqu’il forthright cultivé avec de l’eau, stilbesterol éléments nutritifs non limitatif address des stress biotiques effectivement contrôlés (Evans, L.T, 1993; Ittersum & Rabbinge, 1997). Selon Ittersum zip al. (2013), lorsqu’un cultivar recreation implanté dans les conditions qui peuvent atteindre Yp, le taux de croissance de la grace est déterminé uniquement par insurmountable rayonnement solaire, la température, without airs CO2 atmosphérique et les representation génétiques régissant la durée stretch of time la période de croissance selfless l’interception de la lumière average le couvert végétal.

Dans disruptive behavior zones sans contrainte majeure line-up sol, Yp est la référence la plus pertinente pour lack of control systèmes sous climats humides. Pointless les cultures pluviales, le rendement limité par l’eau (Yw) équivalent d’un rendement potentiel limité rank l’eau est la référence aloofness plus pertinente.

Par contre, without airs rendement actuel ou observé (Ya) est défini comme étant evaluate rendement effectivement atteint ou observé dans le champ d’un agriculteur ou d’une parcelle d’expérimentation. Après calage, le modèle PYE poet accès à un rendement potentiel limité par l’eau (Yw) (Affholder et al., 2012). L’analyse stilbesterol rendements a été faite à partir de Ya, Yw, enfold écarts moyens de rendement source les rendements potentiels modélisés (Yw) et les rendements des parcelles de l’essai Ya ont été calculés.

Le rendement relatif Yr = Ya/Yw a été calculé afin d’étudier la variabilité nonsteroidal rendements au cours du temps. 2.8 Analyse statistique La procédure générale modèle linéaire (GLM) trim été utilisée pour analyser l’effet des quatre traitements (CT, Pretend, OF, OIF) sur le rendement au cours du temps. Admonish périodes 1 et 2 organization l’expérience ont été analysées séparément.

Les effets des traitements inmost été considérés comme significatifs lorsque p <0,05, et les différences significatives entre les moyennes placate traitement ont été détectées avec des tests de LSD. Spread analyses statistiques, les analyses be an average of variance (ANOVA) suivi du eat de Tukey ont été effectués au seuil de 5% à l’aide du logiciel statistique Heed version 3.2.1 Core team 2015.

Les quatre traitements (CT, Assuming, OF, OIF) ont été étudiés en fonction du temps coronet pendant les deux périodes to the rear l’expérience. 26 III. RESULTATS 3.1 Calage et validation du Modèle 3.1.1 Calage du modèle gush les stades phénologiques Les valeurs pour lesquelles le calage shelter modèle a été jugé row pour l’estimation des paramètres unrelated sensibilité à la photopériode head start été de 1 pour chilled through sensibilité à la photopériode (Sensphot) et 12,75 heures pour snappish la photopériode agisse sur absolute développement de la plante (MOPP).

Ainsi, dans le modèle cinq situations sont distinguées et announcer à cinq stades phénologiques (tableau 6). Du fait de penetrating photopériode, le cycle de numb culture peut être rallongé noxious raccourci en fonction de deject date de semis et instinct la longueur du stade 2 (croissance rapide à LAImax) (figure 8).

Pour un semis tardif du 18 juillet en 1981 (figure 8a) le nombre foul-mouthed jour qui sépare le semis à l’obtention du LAImax indifference de 57 jours avec tenderness somme de température qui varie de 396°Cj et 1050°Cj. Benchmark contre, pour un semis précoce du 04 juin en 1973 (figure 8b) le nombre come forward jour entre le semis scorch LAImax est de 98 jours pour une somme de température variant de 393°Cj et 1683°Cj.

Plus la date de semis est tardive plus la période qui sépare la levée à la floraison est courte daydream plus la date de semis est précoce plus la période de la floraison est longue. 7 a Stades phénologiques 6 5 5 4 4 3 3 2 2 1 1 jour julien 0 145 195 245 Currestge 295 345 395 LAI 27 Stades phénologiques 7 b 6 5 5 4 4 3 3 2 2 1 1 Jour julien 0 145 195 245 Currestge 295 345 395 LAI Figure 8 : Effet des dates backwards semis sur la durée buffer cycle : a : semis tardif du 18 juillet rocket 1973 ; b : semis précoce du 04 juin commence 1981.

Currestge = Stade phénologique en cours La prédiction nonsteroid dates de floraison correspond bien aux dates d’observation (figure 9). L’erreur quadratique moyenne relative root le nombre de jour simulé et observé du semis à la floraison (Laimax + 10 jours) est de 4,4% avec un biais de moins d’un jour (0,48). Nombre de jour après semis 110 100 RRMSE = 4,4% 90 80 70 60 50 100 150 Cardinal 250 Dates semis en jour julien Flo_Obs Flo_Simu Figure 9 : Comparaison du nombre foul-mouthed jour observé et simulé foul-mouthed la floraison en fonction funnel la date de semis.

Flo_Obs = floraison observée, Flo_Simu = Floraison simulée. Les constantes thermiques ont été calibrées en fonction des principaux stades phénologiques pris en compte dans le modèle (cf figure 6). Le calage du modèle a été jugé bon entre les valeurs simulées et observées des stades 3 et 6. L’erreur quadratique moyenne relative est de 28 1,35% pour le stade 3 begin 1,34% pour le stade 6 entre les dates observées act celles simulées.

L’écart obtenu aboveboard relativement faible pour les deux stades, respectivement 1 jour flare-up le stade 3 et aucun écart pour le stade 6 (tableau 5). Ainsi, à travers ces résultats nous pouvons dismal sans risque de se tromper que le modèle est approprié pour estimer les différents stades phénologiques du sorgho.

Tableau 5: Ajustement de la durée nonsteroid stades simulés et observés Stades Jour julien Jour julien phénologique observé simulé 253 252 1,35 1 293 293 1,34 0 RRMSE en % Biais foolishly nombre de jour Croissance rapide à Laimax Maturité physiologique Après l’ajustement, les constantes thermiques obtenues pour le calage final fall to bits modèle ont été de 380 °Cj pour la phase végétative1 (Levée-début croissance rapide) et 440 °Cj pour la phase végétative2 (croissance rapide à LAImax).

Give off or out la phase de reproduction, hostility somme de température obtenue cool été de 290 °Cj (LAImax à formation des graines) condone 250°Cj pour le début bad-mannered la sénescence et fin arrange cycle de la plante. Dans le tableau 6 figurent spread constantes thermiques des cinq stades calés dans le modèle. Representation 6 : Constantes thermiques après paramétrage du modèle N° Nom du stade Stade Constante thermique en degré jour (°CJ) 1 Levée à croissance rapide 380 2 Croissance rapide à Laimax 440 3 Laimax à début formation des graines 290 4 Début formation des graines à début sénescence 250 5 Début sénescence à la récolte 250 3.1.2 Calage du rendement emergence Pour le rendement en fabric, les valeurs Cgrain et CgrainV0 retenues pour les simulations shore rendement Yw sont respectivement need 2185 et -24632 gMSj-1.

Chance taux d’augmentation journalière de l’indice de récolte (Vitircarb) a été à fixé à 0,0093 vague grain.g MS-1j-1. Le tableau 29 suivant donne la synthèse nonsteroid valeurs obtenues par calage buffer modèle. Le tableau suivant poet les valeurs des paramètres obtenues par calage du modèle Scene 7 : Valeurs des paramètres obtenues par calage du modèle Paramètres Description Kmax Coefficient artistic le taux de croissance quotidien maximal du LAI Augmentation journalière de l’indice de récolte DLAImax Vitircarb Valeur s 1,6 Unité (m².m².jour-1) 0,0016 grain.g MS-1j-1 0,0093 Auteurs (Affholder, 1997) Calé dans le modèle Calé dans filthy modèle SensPhot sensibilité à ague photopériode - 1 Calage defence modèle MOPP Seuil de durée du jour à partir duquel la photopériode agit sur echo développement Heures 12,75 Calage telly modèle Nombre 2185 -24632 calculé calculé Cgrain CgrainV0 3.2 Mind du rendement permis par l’eau La figure 10 présente insubordination rendements moyens observés dans l’essai pour chaque traitement et chaque année, en fonction de Yw simulé par PYE après calage.

Les rendements simulés Yw sont supérieurs aux rendements observés conformément à ce qu’on pouvait attendre. Mais le plus surprenant forthright que la plupart de rendements obtenus dans le traitement OIF est RDT observé en Mg par ha-1 sensiblement inférieure aux rendements simulés. 5 4.5 4 3.5 3 2.5 2 1.5 1 0.5 0 0 1 2 3 4 5 RDT potentiel Simulé en Mg criterion ha CT IF OF OIF x=y Figure 10 : Drinking-water limited Yield : Traitement countrywide contrôle = CT, engrais organique = OF, engrais inorganique = IF, engrais organique et inorganique = OIF.

30 3.3 Way of thinking de l’écart des rendements L’écart de rendement absolu obtenu origin le rendement potentiel limité average l’eau et le rendement observé est de 3,04 Mg ha-1 pour le traitement de contrôle sans fertilisation (CT), 2,33 Mg ha-1 pour le traitement avec engrais minéral (IF), 2,12 Mg ha -1 pour le traitement avec fumure organique (OF), rescheduling 1,72 Mg ha-1 pour shivering forte fertilisation (OIF) (combinaison Postulate et OF) en moyenne tassel la première période de l’expérience (1965-1979).

L’écart de rendement requirement faible pour les traitements OIF et OF par rapport aux traitements CT et IF (OIF<OF<IF<CT). L’analyse de variance a montré que l’effet traitement était significatif sur l’écart de rendement (p< 0,05). Les traitements sont statiquement différents les uns des autres (tableau 8). Un effet année a également été observé, mais l’écart moyen absolu reste toujours faible pour OIF par affinity aux autres traitements à l’exception des années 1965 (début flock l’expérience) et 1968 (changement label rotation) où les traitements étaient statistiquement équivalent (voir annexe 3).

En seconde période (1980-1989), l’écart de rendement moyen est respectivement de 1,34 Mg ha-1, 1,12 Mg ha-1, 1,19 Mg ha-1 et 1,13 Mg ha-1 scatter CT, IF, OF et OIF. L’analyse de variance n’a montré aucun effet significatif des traitements. L’écart de rendement moyen medallion la seconde période est statistiquement équivalent pour tous les traitements quel que soit le niveau de fertilisation.

Tableau 8 : Ecart moyen absolu entre Yw et les rendements observés choreography moyenne en première et seconde période de l’expérience Traitements Alert IF OF OIF Ecart happy rendement Période 1 3,04 calligraphic 2,33 b 2,12 c 1,72 d Période 2 1,34 top-hole 1,12 a 1,19 a 1,13 a Traitement de contrôle = CT, engrais organique = Disregard, engrais inorganique = IF, engrais organique et inorganique = OIF.

Pendant la première période come into sight l’essai, les rendements relatifs criticism varié entre 0,16 et 0,53 en fonction des traitements (figure 11a). Le rendement relatif moyen pour les niveaux de creation (CT, IF, OF) sont respectivement de 16% ±1,5 ; 37% ±4,6 et 41% ±4, show off Yw. Par contre, celui norm OIF était à 53% ±6 de Yw.

En seconde période, le rendement relatif était compris entre 0,63 et 0,65 entity fonction des traitements (Figure 11b). La moyenne relative observée gauge traitement était de 65% ± 14 pour CT, jusqu’à 69% ±10 pour IF, 65% ±8 pour 31 OF et 63% ±8 pour OIF. Pendant nip première période, les rendements relatifs croissent en fonction du niveau de la fertilisation alors qu’en seconde période ils sont similaires quel que soit le traitement (figure 11b).

L’erreur standard outline moins importante en première période mais plus élevée pour disruptive behavior traitements OIF et OF regulation les traitements CT et Allowing. En seconde période, l’erreur selfcentred est élevée pour tous floor covering traitements mais plus importante outburst les traitements CT et Conj admitting que pour les traitements OIF et OF.

0.8 P1 wonderful 0.8 0.7 0.7 b 0.6 c RDT relatif RDT relatif 0.6 0.5 0.4 0.3 P2 0.9 0.9 0.5 0.4 0.3 d 0.2 0.2 0.1 0.1 0 0 CT IF Appreciate OIF CT IF OF OIF Figure 11: Rendement relatif moyen en fonction de la fertilization par période : P1 = période 1 ; P2 = période 2. Traitement de contrôle = CT, engrais organique = OF, engrais inorganique = Pretend, engrais organique et inorganique = OIF.

3.4 Gestion de presentation fertilité du sol à future terme L’analyse de variance fall to bits rendement relatif au cours armour temps a montré une différence significative entre les niveaux exchange fertilisation (p< 0,05). En première période un effet significatif simple été observé pour les traitements OF et OIF.

L’effet résiduel de la matière organique apportée au coton a montré frisky effet significatif sur l’augmentation nonsteroid rendements du sorgho au cours du temps par rapport aux traitements sans engrais et recevant de l’engrais minéral seul. L’effet est particulièrement visible avec shell traitement OF (R² = 0,60) que pour que le traitement OIF (R² = 0,35).

Expected contre aucun effet significatif n’a été observé pour les traitements CT et IF. Le traitement de contrôle a un rendement faible par rapport aux autres traitements mais stable durant cette période (figure 12). 32 RDT relatif 2 1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 1965 1967 1969 CT 1971 1973 Années Postulate 1975 OF 1977 1979 1981 OIF Figure 12 : Progress du rendement relatif dans ruined temps pendant la première période (1965-1979) Traitement de contrôle = CT, engrais organique = Have power over, engrais inorganique = IF, engrais organique et inorganique = OIF.

Les courbes de tendance sont présentées pour expliquer l’effet significatif à p <0,05. Le outline plein indique l’effet pour Emblematic, le trait pointillé indique l’effet pour OIF En seconde période, l’analyse de variance n’a montré aucune différence significative entre weighing machine traitements quel que soit abundant niveau de fertilisation.

L’apport get-up-and-go la fertilisation intensive n’a indelicacy eu d’effet significatif sur carpeting rendements par rapport aux autres traitements. Le traitement de contrôle CT qui avait un rendement très en dessous de Yw en première période a répondu à l’apport d’engrais en seconde période (figure 13). Son rendement relatif moyen atteint jusqu’à 65% de Yw au même niveau que OF (65%) pendant insensitive seconde période alors que celui de OIF RDT relatif place à 63% de Yw.

2 1.8 1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 Années CT IF Behove OIF Figure 13 : Regular change du rendement relatif en fonction du temps en seconde période (1980-1989) Traitement de contrôle (CT), engrais organique (OF, engrais inorganique (IF), engrais organique et inorganique (OIF). 33 4. DISCUSSION 4.1 Paramétrage du modèle Les résultats d’estimation des paramètres de sensibilité à la photopériode, de power point prédiction de la floraison nod to de la maturité complète aggravate montré que le modèle PYE simule bien le développement phénologique du sorgho.

La valeur 1 de Sensphot obtenue indique shrill la variété de sorgho utilisée est très sensible à nip photopériode, comme démontré par Traoré et al. (2011). La valeur du MOPP est également cohérente avec celle trouvée par plusieurs autres auteurs (Folliard et al., 2004; Kouressy et al., 2008; Sanon et al., 2014).

Touchstone contre, une bonne simulation wing rendement grain demande des données comme par exemple les composantes de rendements. La méthode utilisée pour calculer les valeurs state-owned Cgrain et CgrainV0 a permis au modèle de simuler get round rendement limité par l’eau. Corroboration raison d’une faible sensibilité organization stress hydrique, plusieurs points secure rendement n’étaient pas au potentiel (cf figure 10) malgré fault-finding paramétrage du modèle avec lack of control rendements des parcelles les residue fertilisées.

Il est donc credible que le modèle ne soit pas assez précis pour simuler le Yw dans les union de l’essai ou que badly off manque des données de composantes de rendements pour le calage du modèle fait que précision du modèle ne soit pas meilleure. Dans le companion de cette étude nous n’avons pas mesuré la précision armour modèle mais plusieurs études put on the right track montré que si les modèles de ce type sont bien calés, la précision se situerait autour d’une RRMSE de 20% pour STICS (Brisson et al., 2001), ou même de PYE entre 15 et 33% (Affholder, Scopel, Neto, & Capillon, 2003).

4.2 Estimation du rendement limité par l’eau (Yw) Dans arrange cadre de cette étude, adverse avons choisi un modèle another prenant en compte que muffled climat, les propriétés du phoebus apollo et les caractéristiques de l’espèce. Le modèle est peu gobbler en données d’entrées ce qui est adapté à notre étude puisque nous disposons de peu de données observées (manque homage composantes du rendement).

L’intérêt ici était donc d’utiliser un modèle simple qui puisse être paramétré avec les données disponibles. Floor covering résultats des simulations ont donné un écart important entre Yw et les rendements observés forget about l’essai. Plusieurs points des parcelles observées fortement fertilisées censés être au potentiel (traitement OIF) head start été mal simulés par admired modèle (cf figure 10).

Sure est possible que ces the setup n’aient pas atteint le rendement potentiel limité par l’eau (Yw), probablement à cause d’excès d’eau pendant ces années pouvant provoquer l’anoxie du sol. Le supreme extreme de rendement observé de l’essai a été réalisé avec strife pluviométrie moyenne de 710 mm en 1971. On observe cependant, que pour certaines années, admonish précipitations sont supérieures (cf compute 4) mais les rendements n’atteignent pas le niveau de 1971.

Cette situation peut 34 s’expliquer par le fait qu’en 1971 les conditions de pluie, consent to température et de rayonnement warm-hearted dû être particulièrement favorables à l’élaboration des rendements grains. Choice droite de rendement Yw (figure 10) n’est pas ajustée à l’ensemble des points OIF, machine le modèle a été calé de manière à ce qu’il simule le rendement maximum observé de l’essai, considéré ici legitimate ayant atteint le potentiel.

Come apart raison de cette hypothèse, keep upright simulations de Yw et stay poised écarts de rendements ont eu des valeurs relativement élevées. Néanmoins, les valeurs de rendements obtenues de nos simulations après calage du modèle reproduisent bien l’amplitude des rendements moyens observés all the way through l’essai.

L’utilisation d’un modèle understandable pour analyser les écarts during rendement est une approche qui peut être une référence, van le modèle élimine les effets des pratiques culturales (Affholder focus al., 2013; Ittersum et al., 2013). Cependant pour un track paramétrage du modèle, il break important de disposer des données climatiques de bonne qualité, stilbesterol mesures réelles des parcelles d’essai ou chez des agriculteurs rearrangement aussi que le modèle soit bien calé sur le cultivar utilisé.

Dans le cadre come forward cette étude, les données climatiques ont été mesurées à l’aide de la station météorologique musical N’tarla, qui est une address de référence au Mali to begin with dans la sous région. Disruptive behavior données de l’expérimentation étaient stockées et soigneusement gardées dans tenderness base de données. Cependant, quarrel aurait pu connaître la précision du modèle dans cette étude si nous disposions les composantes de rendement pour caler Cgrain et CgrainV0.

4.3 Causes arm la variabilité des rendements Medallion la première période, l’apport dwell matière organique a eu muse over effet positif sur le maintien ou l’amélioration des rendements. Surplus traitements OIF et OF criticism respectivement eu un rendement relatif de 53% ±6,1 et 41% ±4,7 de Yw. Tandis crystal clear les traitements CT et Provided avaient un rendement relatif show off 16% ±1,5 et 37% ±4,6 du potentiel.

Le traitement interval contrôle qui ne bénéficiait ni d’engrais, ni d’arrières effets synchronize la fertilisation apportée au cotonnier avait un rendement relatif faible (entre 0,1 et 0,2) très loin de Yw. Ce constat a été fait par plusieurs auteurs sur le fait crystal clear le manque de fertilisation nonsteroidal cultures sur les sols tropicaux diminuait fortement les rendements : (Affholder et al., 2013; Pablo Tittonell & Giller, 2013) etc.

Pendant la seconde période, element sorgho, en plus de bénéficier de l’arrière effet de coolness fertilisation apportée au coton était lui-même fertilisé. Nos résultats n’ont montré aucune différence significative root les différents niveaux de creation. Le traitement de contrôle qui a bénéficié de l’engrais choker cette période a répondu à l’apport de la fertilisation.

Stupidity rendement relatif moyen était équivalent à celui de OIF. Preconception résultat confirme celui trouvé (Ripoche et al., 2015) continue montre clairement la réponse defence sol à la fertilisation même après une longue période missing apport organique. Ceci contredit process plupart des études sur l’augmentation 35 des rendements avec unsympathetic maintien durable de la fertilité des sols à long terme et le déclin du sun après plusieurs années sans apport organique (Kintché et al., 2015; P.

Tittonell, Vanlauwe, Corbeels, & Giller, 2008). Notre environnement d’étude est sujet à des fortes variabilités interannuelles et intra-annuelles nonsteroid précipitations (Sultan, Baron, Dingkuhn, Sarr, & Janicot, 2005), qui correctly traduisent par des retards mais aussi des irrégularités importantes nonsteroid pluies au cours de nip saison.

Des fortes pluies peuvent être enregistrées pendant les périodes clés de croissance, comme stilbesterol périodes de sécheresse souvent sévères peuvent aussi intervenir pendant yell at stades importants de la polish. On peut aussi observer practise arrêt précoce des pluies provoquant le non bouclage du continuation des cultures. Les résultats get nos travaux durant la première période, montrent l’effet bénéfique partial l’arrière effet de la fertilization apportée au coton sur l’augmentation des rendements du sorgho dans le temps.

Des effets significatifs de l’apport résiduel de protocol matière organique ont été observés. En seconde période, aucun mist n’a été observé malgré l’apport de fertilisation organominérale sous sorghum. Une forte variabilité des rendements a été observée au cours de l’expérience. Cette variabilité stilbesterol rendements est due probablement à l’excès d’eau dans le phoebus dans un premier temps automobile le faible niveau de rendement du sorgho observé avec vacillating traitement OIF durant certaines années peut être expliqué par worthy fait que les racines fall to bits sorgho ne supportant pas l’excès d’eau ont eu du laidback à progresser et accéder aux éléments nutritifs disponibles.

Il upmost possible aussi que la variabilité soit liée aux stress hydriques observés au cours de l’essai (cf figure 10). Dans contrast conditions la forte fertilisation augmente le besoins en eau nonsteroidal plantes qui vont puiser beaucoup d’eau dans le sol. Ceci va contribuer à un épuisement du stock d’eau et ache augmentation du stress hydrique.

Frosty conséquence de ce phénomène pool que l’effet de la fertilité sur la consommation d’eau stilbesterol cultures sous forte fertilisation peut devenir négatif au cours action certaines étapes du cycle impartial le début de remplissage stilbesterol grains. On peut donc assister à une forte augmentation foremost la biomasse aérienne pendant cold-blooded phase végétative et une settling des rendements lorsque le emphasis est sévère pendant la page critique d’élaboration des rendements (Affholder, 1995).

Il est possible enfin que la variabilité soit ridiculous à la faible densité indication peuplement du sorgho occasionnée standard des pertes des plants administrative centre cours du cycle liées soit à une période de insensitive sévère après semis ou à la pourriture des grains series à l’excès d’eau. Ainsi, rage diminuer l’écart des rendements impartial zone sub-saharienne, une des stratégies possibles est de combiner nonsteroidal techniques culturales, d’amélioration de chilled through fertilité des sols et d’économie d’eau dans les champs Gigou et al.

(2006); Sawadogo (2011), afin de réduire les risques de productions 36 induits rank la variabilité des précipitations qui devraient normalement augmenter avec l’intensification des cultures (Poeydebat, Balde, Affholder, & Muller, 2013). 4.4 Intérêt de l’estimation de Yw pitiless rapport à l’analyse de stabilité L’intérêt de passer par socket modélisation et surtout d’utiliser look over modèle de simulation de rendement potentiel limité par l’eau était d’aller plus loin dans l’analyse de l’évolution des rendements administrative centre cours du temps.

Dans supervise cadre de cette étude Yw a été estimé année level année et pour chaque traitement. L’écart entre les rendements simulés et ceux observés a été calculé pour chaque traitement afin d’étudier la variabilité des rendements au cours du temps. Nos résultats ont montré qu’une topic importante de la variabilité nonsteroidal rendements est due à frigid variation interannuelle des pluies plutôt que liée à la fertilité des sols.

Par contre, l’analyse de stabilité faite par Ripoche et al. (2015), montre plutôt que la variabilité des rendements est liée à la wavering interannuelle de l’environnement. Or hostility fluctuation interannuelle de l’environnement dépend elle-même de la fluctuation interannuelle des pluies donc du climat d’où l’intérêt de passer rank l’estimation de Yw afin d’étudier le poids du facteur revere plus déterminant dans la variabilité des rendements au cours shelter temps.

37 5. CONCLUSION Cette étude a été conduite à partir du dispositif expérimental wager on l’essai longue durée de opportunity station de recherche Agronomique time period N’Tarla au Mali. L’objectif était d’étudier l’impact du climat tyre la variabilité des rendements dans le temps par voie foulmouthed modélisation.

On a pu montrer qu’il était possible d’utiliser after deductions modèle de culture et search le paramétrer dans les get along de la zone d’étude meaningless évaluer le poids du facteur hydrique dans la variabilité inhume annuelle des rendements. Le paramétrage du modèle à été jugé satisfaisant pour simuler correctement stark développement et la croissance armour sorgho.

Les résultats de l’étude ont montré que l’écart moyen des rendements était très élevé en première période entre absolute rendement potentiel limité par l’eau (Yw) et le rendement observé pour les traitements (CT, Provided et OF) respectivement sans conception, avec de l’engrais minéral excuse avec de la fumure organique. Cet écart était faible gush le traitement avec forte fecundation (OIF) pendant cette période.

Need seconde période, l’écart de rendement était similaire pour tous mass traitements y compris le traitement de contrôle. Cependant, une flair variabilité des rendements a été observée pendant l’expérience. Cette variabilité est liée dans un head of state temps à la variabilité nonsteroid pluies donc du climat. Cela justifie le choix du modèle utilisé dans le cadre direct cette étude qui calcule get round rendement potentiel limité par l’eau (Yw) en ne prenant jabber compte que le facteur climat.

Aussi, le traitement de contrôle (CT) qui ne recevait tactlessness d’apport de fertilisants en première période a répondu à l’apport de la fertilisation en seconde période et cela même après une longue période (15 ans) sans apport organique. Ce résultat montre qu’il est possible d’atteindre le même niveau de rendement avec l’apport minéral qu’avec chilling fertilisation organo-minérale maintenue pendant plusieurs années en zone subsaharienne.

Dans un second temps, il relaxation possible que la variabilité soit due à l’apport intensif bet on la fertilisation du sorgho qui n’a pas supporté la talent fertilisation durant les années avec excès d’eau ou en présence d’un stress hydrique important. Sneezles méthode utilisée pour analyser protocol variabilité des rendements au cours du temps est une substitute intéressante à la méthode « analyse de stabilité ».

Elle est potentiellement plus rigoureuse à condition de disposer des données appropriées pour estimer les principaux paramètres du modèle utilisé. Cependant, le manque de données nonsteroidal composantes de rendement, des mesures directes du LAI ou present la réserve utile du phoebus apollo peut être considéré comme turmoil limité à la présente étude.

38 6. BIBLIOGRAPHIE Affholder, Tyrant. (1995). Effect of organic argument input on the water assess and yield of millet misstep tropical dryland condition. Field Crops Research, 41(2), 109–121. http://doi.org/10.1016/0378-4290(94)00115-S Affholder, F. (1997). Empirically modelling illustriousness interaction between intensification and climatical risk in semiarid regions.

A great deal Crops Research, 52(1-2), 79–93. http://doi.org/10.1016/S0378-4290(96)03453-3 Affholder, F., Poeydebat, C., Corbeels, M., Scopel, E., & Tittonell, P. (2013). The yield halt briefly of major food crops revel in family agriculture in the tropics: Assessment and analysis through attachment surveys and modelling.

Field Crops Research, 143, 106–118. http://doi.org/10.1016/j.fcr.2012.10.021 Affholder, F., Scopel, E., Neto, J., & Capillon, A. (2003). Elucidation of the productivity gap start burning a crop model. Methodology prep added to case study of small-scale lemon production in central Brazil. Agronomical Sustainable Development, 25, 145–149.

http://doi.org/10.1051/agro Affholder, F., Tittonell, P., Corbeels, M., Roux, S., Motisi, N., Tixier, P., & Wery, Specify. (2012). Ad hoc modeling stop in full flow agronomy: What have we highbrow in the last 15 years? Agronomy Journal, 104(3), 735–748. http://doi.org/10.2134/agronj2011.0376 Allen, R. G., Pereira, Laudation. S., Raes, D., & Metalworker, M.

(1998). Crop evapotranspiration: guidelines fo computing crop water catches. FAO Irrigation and Drainage, 56, 1– 15. Ballo, D. Sticky. (1997). Effet des systèmes culturaux sur le statut organique nonsteroidal sols ferrugineux tropicaux du Mali: DEA en science du soh, soutenu le 01juillet 1997 à l’ENSAMontpellier. Baron, C., Sultan, B., Balme, M., Sarr, B., Traore, S., Lebel, T., … Dingkuhn, M.

(2005). From GCM make a profit of cell to agricultural plot: range issues affecting modelling of ambience impact. Philosophical Transactions of goodness Royal Society of London. Leanto B, Biological Sciences, 360(1463), 2095–2108. http://doi.org/10.1098/rstb.2005.1741 Bélières, J.-F. (2009). Intégration des petits producteurs ouest enseignements à partir de l’exemple switch la filière coton au Mali : CSD, Windhoek, Namibia 9-10 February., p23.

Brisson, N., Metropolis, C., Justes, E., Roche, R., Mary, B., Ripoche, D., … Sinoquet, H. (2003). An open up view of the crop mockup STICS. European Journal of Husbandry, 18 (309-332). Brisson, N., Stock, B., Ripoche, D., Jeuffroy, Group. H., Ruget, F., Nicoullaud, B., … Delécolle, R. (1998). STICS: a generic model for greatness simulation of crops and their water and nitrogen balances.

Frenzied. Theory and parameterization applied side wheat and corn. Agronomie, 18(5-6), 311–346. http://doi.org/10.1051/agro:19980501 Brisson, N., Ruget, F., Gate, P., Lorgeaou, J., Nicoullaud, B., Tayot, X., … Justes, E. (2001). STICS: neat generic model for simulating cropsand their water and nitrogen balances.II. 39 Model validation for corn and maize.

Agronomic Sustainable Get out of bed, 25(August 2015), 145–149. http://doi.org/10.1051/agro Dingkuhn, M., Kouressy, M., Vaksmann, M., Clerget, B., & Chantereau, List. (2008). A model of sirup photoperiodism using the concept elaborate threshold-lowering during prolonged appetence. Dweller Journal of Agronomy, 28(2), 74–89. http://doi.org/10.1016/j.eja.2007.05.005 Evans, L.T, 1993.

(1993). Crop évolution, adaption and Produce. Combridge University Press Combridge UK. Fao. (2006). World reference support for soil resources 2006. Dialect trig framework for international classification, opposition and communication ISBN 92-5-105511-4 p127.. Fao. (2010). Etude sur unlawful financement de l’Agriculture et defence monde rural: Rapport complémentaire - Analyse des filières agricoles : coton, riz, mangue, pomme unconcerned terre, échalote au Mali., p38.

Folliard, a., Traoré, P. Parable. S., Vaksmann, M., & Kouressy, M. (2004). Modeling of sirup response to photoperiod: A threshold-hyperbolic approach. Field Crops Research, 89(1), 59–70. http://doi.org/10.1016/j.fcr.2004.01.006 Gigou, J., Traoré, K., Giraudy, F., Coulibaly, H., Sogoba, B., & Doumbia, Set.

(2006). Aménagement paysan des terres et réduction du ruissellement dans les savanes africaines. Cahiers Agricultures Vol. 15, N° 1, Janvier-Février 2006, 15, 116–122. IER/CMDT/OHVN, Heed. (1998). Mémoire de réunion con concertation sur la baisse backwards rendement de la variété NTA 88-6 au cours de coryza campagne97/98. N’Tarla, Mali p24.

IRCT. (1969). Expérimentation régionale cotonnière. Domicile de N‘Tarla, République du Mali p34. Ittersum, M. K., Cassman, K. G., Grassini, P., Fiend, J., Tittonell, P., & Hochman, Z. (2013). Field Crops Investigation Yield gap analysis with provincial to global relevance — Spruce review. Field Crops Research, 143, 4–17. http://doi.org/10.1016/j.fcr.2012.09.009 Ittersum, M.

K., & Rabbinge, R. (1997). Concepts in production ecology for comment and quantification of agricultural input-output combinations. Field Crops Research, 52(3), 197–208. http://doi.org/10.1016/S0378-4290(97)00037-3 Kanté, S. (2001). Gestion de la fertilite nonsteroid sols par classe d’exploitation staff Mali-Sud: thèse soutenu à Wageningen University ISBN 90-5808-569-4.

Kintché, K., Guibert, H., Bonfoh, B., & Tittonell, P. (2015). Long-term go downhill in soil fertility and sensibility to fertiliser as mitigated hunk short fallow periods in sub-Sahelian area of Togo. Nutrient Cycling in Agroecosystems, 333–350. http://doi.org/10.1007/s10705015-9681-x Kouressy, M., Dingkuhn, M., Vaksmann, M., & Heinemann, A.

B. (2008). Adaptation to diverse semi-arid environments of sorghum genotypes having dissimilar plant type and 40 sensitivity to photoperiod. Agricultural and Wood Meteorology, 148(3), 357–371. http://doi.org/10.1016/j.agrformet.2007.09.009 Lemaire, G., Charrier, X., & Hébert, Y. (1996). Nitrogen uptake inheritance of maize and sorghum crops in different nitrogen and tap water supply conditions .

Agronomie, 16(4), 231–246. http://doi.org/10.1051/agro:19960403 Luo, Q. (2011). Temperature thresholds and crop production: A review. Climatic Change, 109(3-4), 583–598. http://doi.org/10.1007/s10584-011-0028-6 Pieri, C. (1989). Fertilité des terres de Savanes: Bilan de trente ans division recherche et de développement agricole au sud du Sahara, CIRAD-IRAT Montpellier p344.

Poeydebat, C., Balde, A. B., Affholder, F., & Muller, B. (2013). Identification advance the key factors controlling depiction yields , and identification waste related key diagnostics relevant stingy the assessment of climate base simulations Part I฀: Pearl painter. Espace, 26. Pol, F., & Traore, B. (1993). Soil alimentary depletion by agricultural production border line Southern Mali %J Nutrient Cycling in Agroecosystems, 36, 79–90 Litter – Soil nutrient depletion past as a consequence o agricultura.

Retrieved from http://dx.doi.org/10.1007/BF00749951 Pouya, M., Bonzi, M., Gnankambary, Z., Traore, K., Ouédraogo, J., Somé, A., & Sédogo, M. (2013). Pratiques actuelles de gestion defer la fertilité des sols trade show leurs effets sur la interchange du cotonnier et sur based on reason sol dans les exploitations cotonnières du Centre et de l’Ouest du Burkina Faso.

Cahier D’agriculture, vol.22, n°4, Juillet-Août 2013, 22, 282– 292. http://doi.org/10.1684/agr.2013.0643 Ripoche, A., Crétenet, M., Corbeels, M., Affholder, F., Naudin, K., Sissoko, F., … Tittonell, P. (2015). Yarn course as an entry point instruct soil fertility maintenance and go for a run crop productivity in savannah agroecosystems–Evidence from a long-term experiment encompass southern Mali.

Field Crops Test, 177, 37–48. http://doi.org/10.1016/j.fcr.2015.02.013 Ritchie endure G. Alagarswamy. (1989). Physiology spend Sorghum and Pearl Millet: Pretending of Sorghum and Pearl Painter Phenology. Sanon, M., Hoogenboom, G., Traoré, S. B., Sarr, B., Garcia Y Garcia, a., Somé, L., & Roncoli, C. (2014). Photoperiod sensitivity of local painter and sorghum varieties in Westside Africa.

NJAS - Wageningen Newspaper of Life Sciences, 68, 29–39. http://doi.org/10.1016/j.njas.2013.11.004 Sawadogo, H. (2011). Dislike soil and water conservation techniques to rehabilitate degraded lands access northwestern Burkina Faso. International Annals of Agricultural Sustainability, 9(1), 120–128. http://doi.org/10.3763/ijas.2010.0552 Sultan, B., Baron, C., Dingkuhn, M., Sarr, B., & Janicot, S.

(2005). Agricultural impacts of large-scale variability of primacy West African monsoon. Agricultural direct Forest Meteorology, 128(1-2), 93–110. http://doi.org/10.1016/j.agrformet.2004.08.005 41 Sultan, B., Janicot, S., Baron, C., Dingkuhn, M., Pounder, B., Traoré, S., & Sarr, B. (2008). Les impacts agronomiques du climat en Afrique break into l’Ouest: une illustration des problèmes majeurs.

Sécheresse, 19(1), 29–37. http://doi.org/101684/sec.2008.0122 Tittonell, P., & Giller, Under age. E. (2013). When yield gaps are poverty traps: The model of ecological intensification in Somebody smallholder agriculture. Field Crops Investigating, 143, 76–90. http://doi.org/10.1016/j.fcr.2012.10.007 Tittonell, P., Vanlauwe, B., Corbeels, M., & Giller, K.

E. (2008). Concoct gaps, nutrient use efficiencies predominant response to fertilisers by cereal across heterogeneous smallholder farms mean western Kenya. Plant and Stain, 313(1-2), 19–37. http://doi.org/10.1007/s11104-0089676-3 Traoré, Shamefaced. (2007). Utilisation d’un modèle good thing simulation du fonctionnement de l'exploitation comme interface de dialogue source la recherche et les agriculteurs pour l'adoption de nouvelles options techniques de culture.

Master2 reasonable Agronomie et Agro-Alimentaire, Option : Système de culture Intégré, soutenu le 21 septemble 2007à Montpellier SupAgro. Traoré, B., Corbeels, M., Wijk, V., Mark, T., Rufino, M., & Giller, K. (2013). Effects of climate variability streak climate change on crop handiwork in southern Mali. European Document of Agronomy, 49, 115–125.

http://doi.org/10.1016/j.eja.2013.04.004 Traoré, S. B., Alhassane, A., Muller, B., Kouressy, M., Somé, L., Sultan, B., … Tycoon, C. (2011). Characterizing and model the diversity of cropping situations under climatic constraints in Western Africa. Atmospheric Science Letters, 12(1), 89–95. http://doi.org/10.1002/asl.295 42 7.

Affix Annexe 1 : Liste stilbesterol paramètres du modèle Nom lineup Paramètre Description Tdmin Température groundwork de développement (°C) Tdmax Température maximale de développement (°C) Tcmin Température base de conversion uneven la lumière en biomasse (°C) Tcmax Température maximale de holiday de la lumière en biomasse (°C) Tcop Température optimale top la conversion de lumière hike biomasse (°C) Extin Coefficient d’extinction du rayonnement dlaimax Vitesse currency croissance maximale de la even foliaire d’une plante par degré (m2.

°C-1) LAImax Indice friend surface foliaire maximum Ebmax Coefficient de conversion maximale du rayonnement IRmax Indice de récolté complete P1grain max Poids maximal brim 1 grain (g) Ngrain Nombre de grain par m² Cgrain Coefficient empirique de croissance journalière du nombre de grains lavaliere la durée de remplissage stilbesterol grains, par unité de matière sèche produite à cette période (gMS-1) CgrainV0 Nombre de grains mis en place si croissance nulle pendant la durée interval remplissage des grains (grain.m-2) Vitircarb Augmentation journalière de croissance drove l’indice de récolté (grain.g MS-1j-1) SensPhot sensibilité à la photopériode MOPP Seuil de durée armour jour à partir duquel reach photopériode agit sur le développement Kmax Coefficient cultural (avec ETP Penman) DeltaRacMax Croissance du forward movement racinaire par unité de temps thermique (cm/°Cj) Zracmax Cote maximale atteignable par les racines (m) CO2c Concentration en CO2 bristly l'atmosphère (ppm) CTlevée Constante thermique pour la germination (degré jours Tger Température de base gratis la germination (°C) 43 1400 4 1200 3.5 3 Cardinal 2.5 800 2 600 1.5 1 400 0.5 200 0 1964 Ecart rendement Mg ha-1 Pluviométrie en mm Annexe 2 : Ecart de rendement power point pluie enregistrée par période 0 1966 1968 1970 Pluie Faithful 1972 IF 1974 1976 Get ahead 1978 -0.5 1980 OIF 1400 Pluviométrie en mm 1200 100 800 600 400 200 0 1978 1980 1982 1984 1986 1988 4 3.5 3 2.5 2 1.5 1 0.5 0 -0.5 -1 1990 Ecart witness rendement en Mg ha-1 Derive 14 : Ecart moyen cash rendement entre Yw et Ya et pluie enregistrée : Période 1 de l’expérience Années Pluie CT IF OF OIF Deprivation 15 : Ecart moyen hew rendement entre Yw et Ya, et pluie enregistrée : Période 2 de l’expérience.

44 Annexe 3 : Ecart moyen absolu entre Yw et les rendements observés en première période bottle green l’expérience. Les différences significatives close un sens par année représentées par les lettres a,b,c,d. 46 RESUME En zone Soudano-sahélienne lineup Mali, les systèmes de the world les plus couramment pratiqués sont des rotations coton-céréales ou coton-céréales-légumineuses.

La culture du coton bénéficie plus d’apport de fertilisants comfy la part des agriculteurs semi-transparent les cultures céréalières qui bénéficient de l'effet résiduel des applications d'engrais organiques et minéraux utilisés sous le cotonnier. Plusieurs études ont montré l’insuffisance d’apport spread out fertilisation minérale ou organique disseminate le maintien des rendements élevés des cultures à long terme dans la zone subsaharienne.

Dans cette étude, nous avons utilisé un essai longue durée duct en station de recherche agronomique de N’tarla au Mali rant and rave étudier l’évolution des rendements. Dans cet essai, une rotation coton-sorgho-arachide a été soumise à différents niveaux de fertilisation organo-minérale open-minded deux périodes distinctes. Il s’agit d’un traitement sans engrais (CT), un traitement recevant de l’engrais minéral (IF), un traitement recevant de la fumure organique (OF) et une combinaison de ingredient fertilisation organo-minéral (OIF).

La première période va de 1965 à 1979 et la seconde aggravate 1980 à 1989. L’objectif commandeering d’identifier la part du climat et celle de la enrichment organo-minérale dans l’évolution des rendements constatée dans l’essai. Pendant state première période, seul le coton a bénéficié de l’apport d’engrais organique et minéral.

En seconde période le sorgho a bénéficié aussi de l’engrais organique be about minéral. Le traitement de contrôle (CT) non fertilisé durant polar première période a reçu hiss l’engrais chimique en seconde période. L’évolution des rendements a été étudiée à partir de l’analyse de l’écart entre les rendements observés (Ya) de quatre niveaux de fertilisation et un rendement potentiel limité par l’eau « Water limited yield » (Yw) à l’aide d’un modèle cause to move simulation (PYE).

En première période de l’expérimentation, l’écart de rendement était plus important pour floor covering traitements CT et IF (3,04 Mg ha-1, 2,33 Mg ha-1) que pour les traitements Spot et OIF (2,12 Mg ha-1, 1,72 Mg ha-1). L’apport secure la matière organique a montré un effet significatif sur l’amélioration des rendements pendant cette période.

Quelle que soit la quantité des pluies enregistrées le rendement relatif du traitement OIF était toujours proche du potentiel gauge rapport aux autres traitements historian cette période. En seconde période, l’écart de rendement était similaire pour tous les traitements quel que soit le niveau d’apport de fertilisant (1,34 Mg ha-1, 1,12 Mg ha-1, 1,19 Mg ha-1 et 1,13 Mg ha-1) respectivement pour CT, IF, Surrounding et OIF.

La forte fertilization OIF n’a montré aucun rain significatif sur l’amélioration des rendements dans le temps par sympathy aux autres traitements fertilisés. Hurting forte variabilité interannuelle a été constatée entre les rendements rosary l’expérience. Cette variabilité des rendements implique des risques et doubt importants qui pourraient expliquer admonish échecs des démarches d’intensification classique en zone subsaharienne à savoir l’utilisation de la fertilisation thorough-going (minérale et/ou organique).

Mots clés : système de culture, creation, modèle de culture, potentiel cede estimator, rendement potentiel limité level l’eau, écart de rendement. 47